工业大数据还面临质量差的难关。通常大数据分析的重点在数据挖掘，以数据的量来弥补数据的质缺陷。可是工业大数据中，变量通常具有明确的物理意义，数据完整性对于分析系统至关重要，低质量的数据可能彻底改变两个变量间的关系，对于高精度的分析可能造成灾难性的影响。
工业大数据更需要实时分析和可视化
其与传统商业智能不同，传统BI的处理工作主要集中于数据内部的结构化，并且定期进行周期性处理即可。而工业大数据的分析系统则要求达到实时分析和可视化处理结果。
鉴于这些特点的存在，工业大数据并不能简单的移植普通大数据的分析技术直接使用。工业大数据需要采用的是对于相关领域知识更了解，分析系统功能定义明确，分析速度快并且可以提供更明确的分析策略的大数据分析手段。
工业大数据的技术
工业大数据的不断增加为其后续处理工作制造了麻烦。由于自动化工业设备的不断增多，工业大数据产生的速度和数量都在暴涨，这对大数据的存储和管理的基础设施形成挑战。
工业大数据首先需要确保能够采集正确的数据。上文提到工业大数据对数据的要求更为苛刻，数据完整性的前提是数据的正确程度。当传感器提供的数据越来越多时，识别出与设备状态相关的参数减少非必要数据，提高数据的分析效率，确保获取有效数据。
图工业大数据推进工业4.0发展
其次应当建立适当的数据管理系统。工业大数据的存储需要能够处理大量数据并且做到实时分析，以便于迅速为决策提供支持，为了提高速度，这就需要存储、管理和处理更为集成化。这对数据存储基础设施有较高要求，需要在能够处理高速度、高数量的数据流的同时进行数据分析，这一步将会是未来工业大数据行业的核心和基础。
